AI w ERP w produkcji: co wymaga najpierw integracji
Opublikowano: 25 września 2026
Zakład ma na stole ofertę modelu predykcyjnego dla trzech pras hydraulicznych: pilotaż na jednej linii, pierwsze wyniki po kwartale, ostrzeżenie o awarii z kilkudniowym wyprzedzeniem. Na spotkaniu, na którym ma zapaść decyzja, pierwsze pytanie zadaje jednak kierownik utrzymania ruchu: skąd model weźmie dane o drganiach i temperaturze, z jakiego okresu i jak przypisze je do urządzeń, które w SAP PM mają swoje numery, historię zgłoszeń i zleceń. Jeśli nikt przy stole nie umie na to odpowiedzieć, zakup modelu jest przedwczesny, a rozmowa powinna zejść poziom niżej, do przepływów danych.
Podobnie zaczyna się wiele decyzji o AI w produkcji, dlatego warto je układać według tego, jaka integracja musi istnieć wcześniej. Poniżej typowe zastosowania w firmie pracującej na SAP, a przy każdym: jakie dane, skąd i w którym miejscu decyzję nadal podejmuje człowiek.
Gdzie AI w polskich firmach jest dziś
Według publikacji GUS o społeczeństwie informacyjnym technologie sztucznej inteligencji wykorzystywało w 2025 roku 8,7% przedsiębiorstw, wśród dużych 42,0%, a w procesie produkcji 2,6% wszystkich badanych firm, podczas gdy najczęstszym celem był marketing i sprzedaż. Ten rozkład ma prozaiczne wyjaśnienie: tam, gdzie dane leżą w jednym systemie albo w dokumentach biurowych, AI daje się uruchomić bez nowych interfejsów.
Dobrze to widać w komunikacie SAP Polska z lipca 2026 roku o Prysmian, producencie kabli obecnym także w Polsce. Wymienione tam zastosowania AI to automatyzacja zamówień klientów, rozliczanie płatności i zarządzanie wydatkami, czyli procesy, których dane od początku są w ERP. Hala produkcyjna działa inaczej, bo duża część potrzebnych danych powstaje poza SAP: w sterownikach, w systemie MES, w czujnikach dokładanych do starszych maszyn.
Predykcyjne utrzymanie ruchu: czujniki, punkty pomiarowe i historia awarii
Model predykcyjny potrzebuje trzech rodzajów danych naraz, a każdy pochodzi z innego miejsca. Szeregi czasowe z czujników i sterowników trafiają zwykle do historiana procesowego albo do MES, nie do ERP. Struktura urządzeń, czyli equipment, lokalizacje funkcjonalne i punkty pomiarowe, jest w SAP PM. Historia awarii, która służy modelowi za przykłady tego, co ma przewidywać, to zgłoszenia i zlecenia PM z kodami uszkodzeń i przyczyn.
SAP Asset Performance Management dobrze pokazuje, w jakiej kolejności to się spina. Czujniki występują tam jako wskaźniki powiązane z punktem pomiarowym urządzenia w S/4HANA. Funkcja wykrywania anomalii, według opisu SAP, najpierw dopasowuje model do normalnego stanu urządzenia na podstawie tych wskaźników, potem codziennie porównuje z nim dane z ostatnich dni i zgłasza alert, gdy różnica jest dostatecznie duża. Z alertu da się utworzyć zgłoszenie w S/4HANA, a w materiałach szkoleniowych SAP robi to użytkownik, wybierając rodzaj i priorytet zgłoszenia. Bez powiązania czujnika z punktem pomiarowym alert nie ma do czego trafić.
Najmniej przewidywalna jest historia. Ile zarejestrowanych awarii wystarczy, żeby model odróżnił wzorzec od szumu dla konkretnej prasy, nie da się ustalić przed przejrzeniem zgłoszeń z ostatnich lat, a jeśli większość z nich ma kod przyczyny „inne” albo pusty opis, model nie ma się na czym uczyć. Wykrywanie odchyleń od normalnego stanu częściowo obchodzi ten problem, bo nie wymaga przykładów awarii, ale daje sygnał „coś się zmieniło”, a nie „łożysko padnie w czwartek”. Decyzja, czy alert staje się zleceniem i postojem maszyny, zostaje u planisty utrzymania ruchu.
Jakość: wynik kontroli musi trafić do QM
W S/4HANA wynik kontroli ma swoje miejsce: partię kontrolną, cechy kontrolne z planu kontroli i rejestrację wyników przy operacji zlecenia produkcyjnego. AI w kontroli jakości to najczęściej wizja maszynowa na linii albo model, który z wyników pomiarów przewiduje odrzut. Jedno i drugie działa na hali, więc wynik musi wrócić do SAP z numerem zlecenia, operacji i najlepiej numerem seryjnym, inaczej zostanie w osobnej bazie i nie zablokuje partii.
W SAP Digital Manufacturing zmieniło się tu podejście. Według wpisu zespołu SAP w SAP Community z kwietnia 2026 roku wbudowana kontrola wizyjna w tym systemie została w wydaniu 2511 oznaczona jako wycofywana, z usunięciem zapowiedzianym na wydanie 2605, a jej miejsce zajmują osobno licencjonowane rozwiązania partnerów z SAP Store. Wśród kryteriów wyboru partnera SAP wymienia integrację: przypisanie wyniku do zlecenia, operacji albo numeru seryjnego i obsługę niezgodności. Model wizyjny jest więc odrębnym systemem, a jego połączenie z SAP trzeba zaplanować i wycenić w projekcie od początku.
Granica dla AI jest tu wyraźna. Model może oznaczyć sztukę jako niezgodną i zaproponować kod wady, ale decyzja o użyciu partii i zdjęcie blokady jakościowej należą do osoby z działu jakości, bo za nią stoi odpowiedzialność wobec klienta, a w części branż także wobec audytora.
Które dane z Twojej hali trzeba połączyć z SAP najpierw?
Kolejność przepływów danych łatwiej ustalić, gdy zna się doświadczenia innych zakładów, a nie tylko ofertę dostawcy modelu. Konferencja Zintegrowany Biznes 2026 dotyczy praktycznej integracji SAP i Salesforce oraz AI w biznesie, 25.11.2026 w Warszawie.
Zarejestruj się za darmo ↗Planowanie i MRP: sygnał popytu i prawdziwe czasy dostaw
MRP w S/4HANA liczy na danych podstawowych: planowanych czasach dostawy z kartoteki materiału, czasach produkcji własnej, wielkościach partii, strukturach BOM i marszrutach. Każde zastosowanie AI w planowaniu, od wykrywania wyjątków po propozycję przesunięcia zleceń, dziedziczy błędy tych danych. Jeśli planowany czas dostawy komponentu w kartotece wynosi 10 dni, a dostawca od roku dowozi w trzy tygodnie, model będzie proponował terminy, których nie da się dotrzymać.
Dlatego pierwszą integracją dla planowania jest pętla zwrotna: rzeczywiste daty przyjęć porównywane z planowanymi i korekta danych podstawowych. Drugą jest sygnał popytu. Zamówienia sprzedaży są w SAP, ale prognozy, szanse sprzedaży i zapowiedzi klientów często żyją w CRM albo w arkuszu działu sprzedaży i trafiają do planowania raz w miesiącu, ręcznie.
W zapowiedziach SAP na Hannover Messe z kwietnia 2026 roku jest agent danych podstawowych produkcji, który na podstawie BOM generuje marszruty z operacjami i stanowiskami roboczymi. Przyspiesza tworzenie danych, ale nadal pracuje na BOM, który ktoś musi utrzymać w zgodzie z tym, co faktycznie jest montowane.
Harmonogram produkcji: plan z ERP i stan z hali
W tej samej zapowiedzi SAP opisuje agenta planowania i operacji produkcyjnych: planista zwalnia zlecenia poleceniem w języku naturalnym, agent sprawdza dostępność materiału, zdolności produkcyjne i ograniczenia harmonogramu, a Joule proponuje zamienny komponent albo przesunięcie terminu, które planista przegląda i zatwierdza. SAP pisze tam wprost o ludziach, którzy zostają w pętli wszędzie, gdzie zapadają krytyczne decyzje.
Haczyk jest w słowie „zdolności”. W ERP to wartość nominalna stanowiska roboczego, natomiast faktyczna dostępność maszyny, przezbrojenie, które trwa dłużej niż w marszrucie, czy brak operatora na zmianie to dane z hali, które S/4HANA zna dopiero wtedy, gdy przyjdą z MES. Jak zbudować ten przepływ między planowaniem a wykonaniem, opisaliśmy przy integracji SAP i MES. Bez niego agent zaproponuje harmonogram poprawny według kartoteki i niewykonalny na hali.
Zmiana planu produkcji zostaje decyzją człowieka także z innego powodu: przesunięcie jednego zlecenia zmienia terminy dla klientów, zapotrzebowanie na materiał i obsadę zmian, a te konsekwencje widzi planista, który zna umowy i ludzi.
Joule w S/4HANA: najmniej integracji, najwęższy widok
Asystent w S/4HANA pracuje na tym, co już jest w systemie, więc zwykle jest najtańszym pierwszym krokiem, na przykład przy zwalnianiu zleceń poleceniem w języku naturalnym, tak jak w opisie agenta planowania. Ograniczenie wynika z tego samego. Joule nie powie, dlaczego linia stoi, jeśli przyczyna jest zapisana wyłącznie w MES albo w zeszycie brygadzisty.
Dostępność poszczególnych funkcji Joule i agentów zależy od edycji S/4HANA i wydania, więc przed planowaniem pilotażu sprawdź w SAP Discovery Center, czy dana funkcja jest dostępna dla Twojej wersji systemu.
Kolejność, która zwykle wychodzi z tej analizy
| Zastosowanie | Dane, które muszą płynąć | Skąd | Kto zatwierdza |
|---|---|---|---|
| Joule w S/4HANA | dane transakcyjne i podstawowe | S/4HANA | użytkownik w ramach swojej roli |
| Planowanie i MRP | popyt, rzeczywiste czasy dostaw, BOM, marszruty | S/4HANA, CRM, przyjęcia od dostawców | planista |
| Jakość | wyniki kontroli, kody niezgodności, numer zlecenia i numer seryjny | system wizyjny, MES, QM | dział jakości: decyzja o użyciu i zdjęcie blokady |
| Utrzymanie ruchu | szeregi czasowe, punkty pomiarowe, historia awarii z kodami | czujniki, historian, SAP PM | planista utrzymania ruchu |
| Harmonogram | faktyczny stan maszyn, przezbrojenia, obsada | MES, S/4HANA | planista produkcji |
Wiersze tabeli ułożone są według liczby systemów spoza ERP, które trzeba podłączyć. Zakład z dojrzałym MES i porządną historią zgłoszeń PM może rozsądnie zacząć od utrzymania ruchu, a zakład bez MES lepiej wyjdzie na planowaniu i na analizie wyników kontroli już rejestrowanych w QM, bo te dane są w SAP.
Chcesz zobaczyć nagrania z poprzedniej edycji?
Prelekcje z edycji 2025 udostępniamy uczestnikom na życzenie - wystarczy krótkie zgłoszenie.
Poproś o nagrania z edycji 2025 ↗FAQ
Czy AI w SAP zastąpi planistę produkcji?
W opisach SAP nie. Agent planowania i operacji produkcyjnych, zapowiedziany w kwietniu 2026 roku, sprawdza materiał, zdolności i ograniczenia harmonogramu oraz proponuje zamienny komponent albo nowy termin, a planista te propozycje przegląda i zatwierdza. Zmiana planu wpływa na terminy dla klientów i obsadę zmian, więc decyzja zostaje po stronie człowieka.
Jakie dane są potrzebne do predykcyjnego utrzymania ruchu w SAP?
Trzy rodzaje: szeregi czasowe z czujników maszyn, struktura urządzeń z punktami pomiarowymi w SAP PM oraz historia awarii zapisana w zgłoszeniach z kodami uszkodzeń i przyczyn. W SAP Asset Performance Management czujnik jest wskaźnikiem powiązanym z punktem pomiarowym urządzenia w S/4HANA, a z alertu da się utworzyć zgłoszenie w S/4HANA. Bez rzetelnej historii awarii zostaje wykrywanie odchyleń od normalnego stanu maszyny.
Od czego zacząć AI w produkcji, jeśli mamy SAP, ale nie mamy MES?
Od zastosowań, których dane już są w S/4HANA: Joule, wyjątków w MRP, porządkowania danych podstawowych i analizy wyników kontroli zarejestrowanych w QM. Utrzymanie ruchu i harmonogramowanie wymagają danych z hali, więc bez MES albo innego źródła danych z maszyn będą liczyć na wartościach nominalnych z kartoteki.